RAG & GenAI App With WordPress Content
该工作流通过自动抓取WordPress网站的公开内容，利用生成式AI和向量数据库，实现了智能问答系统。它将文章和页面内容转换为Markdown格式，并生成向量表示，支持快速语义检索。用户可实时提问，系统结合相关内容生成准确回答，提升网站互动体验。这一方案适合需要智能客服和知识管理的企业或个人网站，确保内容始终更新并高效服务访客。
Tags
工作流名称
RAG & GenAI App With WordPress Content
主要功能和亮点
该工作流实现了基于WordPress网站内容的检索增强生成式AI（RAG）应用。它能够自动抓取WordPress的文章和页面内容，过滤仅公开且未受保护的内容，将内容转换为Markdown格式，并通过OpenAI的文本嵌入模型生成向量表示，存储于Supabase的向量数据库中。用户可通过集成的聊天接口，实时向AI提问，AI结合向量数据库中的相关内容，基于GPT-4模型生成带有内容来源元数据的准确回答，提升网站交互体验。
解决的核心问题
- 自动化抓取和更新WordPress网站内容，实现内容的动态嵌入向量生成，避免手动维护知识库。
- 通过向量检索技术，实现对海量网站内容的高效语义搜索和精准匹配。
- 将检索结果与生成式AI结合，提升用户提问的回答质量和信息可信度。
- 支持内容的版本更新检测，确保知识库内容始终最新。
应用场景
- 企业或个人网站搭建智能问答机器人，提升访客的互动体验。
- 内容驱动型网站快速构建基于内容的聊天助手。
- 利用网站内容做知识管理、客服自动化、智能推荐等应用。
- 需要持续同步网站内容并基于此进行语义搜索与问答的场景。
主要流程步骤
- 触发器：手动或定时触发工作流。
- WordPress内容抓取：通过WordPress API获取所有文章和页面。
- 内容过滤：筛选已发布且非保护的内容。
- 内容格式转换：将HTML内容转换为Markdown。
- 文本切分：对长文本进行分块处理以适应模型输入限制。
- 生成嵌入向量：调用OpenAI的text-embedding-3-small模型为内容生成向量。
- 存储向量和元数据：将内容及其向量存储到Supabase向量数据库。
- 版本控制：使用Postgres数据库记录上次执行时间，获取并更新修改后的内容。
- 聊天触发：当用户发送聊天消息时，调用Supabase检索相关文档。
- 生成回答：结合检索到的文档和聊天上下文，调用GPT-4模型生成回答，包含内容的URL、类型、发布日期和修改日期等元数据。
- 响应输出：通过Webhook将回答返回给前端。
涉及的系统或服务
- WordPress API（获取文章和页面）
- OpenAI（文本嵌入模型text-embedding-3-small和GPT-4o-mini聊天模型）
- Supabase（向量数据库用于存储和检索嵌入向量及相关文档）
- Postgres数据库（存储聊天历史和工作流执行记录）
- n8n自动化平台（工作流管理与节点执行）
适用人群或使用价值
- 网站运营者和内容管理者，想要将网站内容智能化、自动化地服务于访客。
- 开发者和自动化专家，需构建基于现有网站内容的智能聊天机器人或知识库系统。
- 企业客户服务团队，希望通过AI提升用户自助服务效率。
- 内容创作者和营销人员，想要通过AI辅助提升内容的交互性和用户粘性。
该工作流通过自动化的内容抓取、智能嵌入生成和高效的语义检索，为WordPress网站打造了一个智能问答引擎，极大提升内容利用价值和用户体验，是构建现代内容驱动型AI应用的理想选择。
🌐 Confluence Page AI Powered Chatbot
该工作流将Confluence云端文档与AI聊天机器人相结合，用户通过聊天界面提问，系统自动调用API获取相关页面内容，并利用GPT-4模型进行智能问答。它支持多轮对话记忆，确保上下文连贯，并能通过Telegram推送结果，提升信息检索效率，方便企业内部知识管理、技术文档查询及客户支持，实现快速准确的信息获取。
Perplexity AI 智能问答集成工作流
该工作流利用Perplexity AI的Sonar Pro模型，提供智能问答功能，用户可自定义系统提示和问题，并灵活设置查询域名。通过API集成，自动提取和清洗返回答案，提升信息获取的效率和准确性。适用于客服回复、市场调研、内部培训等多种场景，帮助用户快速获得结构化的权威答案，减少手动搜索的繁琐步骤。
Automated Research Report Generation with OpenAI, Wikipedia, Google Search, and Gmail/Telegram
该工作流旨在自动化生成基于用户主题的研究报告，集成了OpenAI、Wikipedia、新闻API、Google搜索及Google Scholar等多种信息来源。通过智能分析和整合，生成结构化的PDF报告，涵盖主题介绍、关键发现及学术见解，并自动通过Gmail和Telegram发送给指定用户。同时，所有数据记录至Google Sheets，方便后续管理与追踪，极大提升了研究效率和信息整合的准确性。
Chat with GitHub OpenAPI Specification using RAG (Pinecone and OpenAI)
该工作流利用RAG技术，结合Pinecone向量数据库和OpenAI智能模型，构建了一个针对GitHub API的智能问答聊天机器人。它能够实时抓取和索引GitHub的API文档，通过向量搜索与语义理解，快速回答用户的技术查询，显著提高开发者获取接口信息的效率和准确性，适用于技术支持、文档维护和学习培训等场景。
💥🛠️ Build a Web Search Chatbot with GPT-4o and MCP Brave Search
该工作流构建了一个智能聊天机器人，结合了 GPT-4o 语言模型和 MCP Brave Search，能够实时处理用户的聊天消息并执行网络搜索。机器人不仅能够生成高质量的智能回复，还支持短期记忆，增强对话的连贯性与用户体验，适用于自动化客服、知识检索以及信息查询等多种场景，帮助用户快速获取所需信息，提升交互效率。
N8N Español - NocodeBot
该工作流创建了一个多语言No-Code工具查询机器人，用户在Telegram中输入工具名称后，机器人自动从远程数据库获取详细信息，并将其翻译成用户的母语，随后以图文消息形式发送。通过这一过程，用户能够轻松获取No-Code工具的介绍，克服语言障碍，实现信息的即时获取，极大提升了查询的便捷性和友好度，适合多语言环境下的技术支持与教育培训。
Integrating AI with Open-Meteo API for Enhanced Weather Forecasting（结合AI与Open-Meteo API实现精准天气预报）
该工作流结合AI语言模型与Open-Meteo天气预报API，提供智能化的天气查询和预测服务。用户通过聊天界面简单输入城市名称及需求，AI会自动获取地理坐标并查询天气信息，生成准确的天气预报回复。此流程显著简化了传统天气查询的操作，提升了交互效率，适用于智能客服、旅行规划及教育培训等多种场景，满足用户对实时天气信息的需求。
n8n DeepResearcher
这个深度研究工作流通过自动化搜索和内容抓取，结合先进的语言模型，帮助用户高效地进行复杂课题的调研。用户输入研究主题后，系统生成多条搜索查询并过滤有效信息，支持动态调整研究深度和广度。最终，汇总所得信息生成详尽的报告，并自动上传至云端管理平台，实现资料的系统化整理与共享，极大提升研究效率与质量。